Proponer un nuevo método para la investigación de la relación entre las causas de divorcio y las reglas de asociación

Fatemeh Eghrari solute; Mohsen Yoosefi Nejad; Mehdi Hosseinzadeh; Nima jafari navimipour; Amir sahafi; Aso Darwesh.

doi:10.46377/dilemas.v29i1.1851

Fatemeh Eghrari solute Department of computer, Qeshm international Branch, Islamic Azad University, qeshm, Iran.
Mohsen Yoosefi Nejad Computer Engineering and Information Technology, Payame Noor University, Tehran, Iran
Mehdi Hosseinzadeh Health Management and Economics Research Center, Iran University of Medical Sciences, Tehran, Iran. Computer Science, University of Human Development, Sulaymaniyah, Iraq
Nima jafari navimipour Department of Computer Engineering, Tabriz Branch, Islamic Azad University, Tabriz, Iran.
Amir sahafi Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran.
Aso Darwesh. Information Technology Department, University of Human Development, Sulaimaniyah, Iraq

DOI: https://doi.org/10.46377/dilemas.v29i1.1851

Palabras clave: minería de opinión, minería de datos, reglas de asociación, causas de divorcio

Resumen

Hoy en día, la minería de opinión juega un papel importante en el descubrimiento del conocimiento. Este tipo de conocimiento es un subconjunto de minería de datos y la minería de opinión se puede mejorar utilizando algoritmos de minería de datos. El análisis de sentimientos es una de las formas más importantes para la minería de opinión, donde millones de personas están expresando sus opiniones. Este estudio tiene como objetivo mostrar la relación entre las causas de divorcio utilizando minería de datos y reglas de asociación. Inicialmente, las principales causas de divorcio se examinaron desde la perspectiva de los usuarios y luego, se indicó la relación entre estas causas para determinar las causas que conducen principalmente al divorcio. Los resultados de la simulación y la comparación en el conjunto de datos de divorcio revelan que el método propuesto tiene un rendimiento deseable.

Citas

Allahyari, M., Pouriyeh, S., Assefi, M., Safaei, S., Trippe, E. D., Gutierrez, J. B., & Kochut, K. (2017). A brief survey of text mining: Classification, clustering and extraction techniques. arXiv preprint arXiv:1707.02919.

Amir Hamzah. (2016). Opinion extracting and classification from questionnaire comments using HMM-POS Tagger and machine learning techniques, Data and Software Engineering (ICoDSE), 2016 International Conference.

Bologna, G., & Hayashi, Y. (2018). A Rule Extraction Study from SVM on Sentiment Analysis. Big Data and Cognitive Computing, 2(1), 6.

Doshi, A. J., & Joshi, B. (2018). Comparative analysis of Apriori and Apriori with hashing algorithm.

Fatemeh Eghrari Solout, Mehdi Hosseinzadeh. (2016). Analysis of users’ comments about the divorce factors, Journal of Advances in Computer Engineering and Technology, 2(4).

Khushboo, T. (2016) “Mining of Sentence Level Opinion Using Supervised Term Weighted Approach of Naïve Bayesian Algorithm” ,Int. Journal. Computer Technology & Applications, page 211-216.

Peeyush Kumar. (2016). A Review on Mining Frequent Patterns and Association Rules Using Apriori Algorithm, International Journal of Innovative Research in Computer and Communication Engineering (An ISO 3297: 2007 Certified Organization), 4(5).

Arpita Lodha1. (2016). A Modified Apriori Algorithm for Mining Frequent Pattern and Deriving Association Rules using Greedy and Vectorization Method, International Journal of Innovative Research in Computer and Communication Engineering (An ISO 3297: 2007 Certified Organization), 4(6).

Malik, M., Habib, S., & Agarwal, P. (2018). A Novel Approach to Web-Based Review Analysis Using Opinion Mining. Procedia Computer Science, 132, 1202-1209.

Moers, T., Krebs, F., & Spanakis, G. (2018, January). SEMTec: Social Emotion Mining Techniques for Analysis and Prediction of Facebook Post Reactions. In International Conference on Agents and Artificial Intelligence (pp. 361-382). Springer, Cham.

Raisa Varghese, Jayasree, (2013). “A Survey on Sentiment Analysis and Opinion Mining”, International Journal of Research in Engineering and Technology (IJRET), 2(11).

P. Suresh. (2015). Improved Generation of Frequent Item Sets using “Apriori Algorithm”, International Journal of Advanced Research in Computer and Communication Engineering, 4(10).

Yuan, X. (2017, March). An improved Apriori algorithm for mining association rules. In AIP Conference Proceedings (Vol. 1820, No. 1, p. 080005). AIP Publishing.